本笔墨数：8661字
阅读韶光：22分钟
4月13日，CMF宏不雅观经济热点问题研讨会（第83期）于线上举行。
本期论坛由中国公民大学一级教授、经济研究所联席所长、中国宏不雅观经济论坛（CMF）联合创始人、联席主席杨瑞龙主持，聚焦“数据要素市场培植：现状、问题和建议”，来自海内宦海、学界、企业界的有名经济学家王建冬、黄丽华、邹传伟、林琳、李三希联合解析。
论坛第一单元，中国公民大学经济学院教授、中国宏不雅观经济论坛（CMF）紧张成员李三希代表论坛发布题为《数据要素市场培植：现状、问题和建议》的CMF中国宏不雅观经济专题报告。
报告环绕以下三个方面展开：
一、数据要素市场培植的现状
二、数据要素市场培植的问题
三、数据要素市场培植的建议
一、数据要素市场培植的现状
数据要素是数字经济时期最为主要的生产要素之一，我国出台多项政策文件，高度重视造就数据要素市场。2020年将数据定义为与劳动、成本、地皮、技能并列的第五大生产要素。2022年由国家发改委牵头制订了“数据二十条”，聚焦数据产权、流利交易、收益分配、安全管理四大重点方向，初步搭建我国数据根本制度体系。今年上半年由国家数据局牵头颁布了《“数据要素×”三年行动操持（2024—2026年）》，将数据要素同传统家当和传统运用处景进行领悟，充分发挥数据要素的放大、叠加、倍增浸染，构建以数据为关键要素的数字经济。
其次，我国成立了国家数据局，统筹推进数据要素流利利用。其紧张职能是构建完善的数据根本制度体系，促进数据要素市场化，推动数据资源的整合开放，优化数据资源的配置和提升运用效率。各个地方纷纭成立相应的数据管理机构和数据交易所，据不完备统计，自2014年以来，全国各地陆续建立了几十个数据交易机构，拉开了我国数据要素市场培植的序幕。
我国数据要素流利市场生动度显著提升，总体规模不断上升，估量2024年可达到1592亿元。除政府推动的数据交易所，互联网平台企业旗下的子平台等数据交易平台所供应的数据平台做事较广并取得一定市场成效。
目前数据要素流利交易的紧张模式紧张有以下三种：
第一，企业间直接交易数据。数据的供给方和需求方通过早期互动、供需匹配沟通，包括对付价格和条约的会谈，末了签订合约和如约来完成数据交易。
第二，数据交易平台撮合。例如，上海数据交易所发布的交易做事流程包括交易前、交易中、交易后三个阶段，共九个做事功能。交易前需到达合规哀求，包括数据管理、产品登记、产品挂牌。交易中包括交易测试、交易合约、产品交付、结清算。交易后包括凭据发放和轇轕办理。北数所交易流程由交易申请、交易磋商、交易履行和交易结束四个环节构成，除了撮合数据交易之外供应了其他衍生做事，如资产评估、法律做事和数据审计等。
第三，供应API接口进行数据做事。一方面，数据供给方可以直接给数据需求方开放API接口，另一方面也可以通过数据中介将数据的供需双方拉到自己的网络中，向他们供应相应做事和API接口。
二、数据要素市场培植的问题
（一）数据要素市场运行机制
数据要转化为生产要素，发挥要素浸染，需经由资源化、数据共享、交易流利和剖析运用的数据代价化过程，依赖云做事、隐私打算、人工智能等数字技能和数据中央等根本举动步伐支撑，并须要清晰、透明、同等的监管政策保障数据要素市场秩序。据此，可将数据要素市场分为三个层级，分别为支撑层、代价层、政策层。支撑层是数据要素的根本举动步伐及技能支撑，代价层包括数据供应商、数据交易机构和剖析运用方，政策层是指构建统一数据标准、推动公共数据开放、勉励市场主体数据共享、科学界天命据产权等。
1、支撑层
从理论上讲，区块链、隐私打算、多方安全打算等技能可以运用于数据要素流利交易业务中，以办理数据交易中的数据溯源、隐私保护、数据流利追溯等关键问题。然而，实践中根本举动步伐和技能环境都离国家的计策目标、数据要素流利实践的需求、场内市场和场外市场流利环境培植的需求之间存在相称大的差距。
2、代价层
中国数商企业超过200万家，近十年年均复合增长率超过30%。但值得把稳的是，我国场内数据交易规模仅占到全体数据交易规模的5%旁边，这意味这场内交易市场相称不生动。根据黄丽华老师2022年整理的数据可以看到，全国43个交易平台有10家处于停运状态，8家没有网站，11家属于拟建状态，三分之二的平台没有正常运营。
我国数据供给着重要面临以下四个现实问题：
第一，合规本钱过高。相对付其他生产要素，数据具有更高的流动性和可复制性，为避免合规风险，干系监管法律每每哀求对数据进行严格完善的合规性评估，对数据供给方施加巨大合规压力。例如，《网络安全法》规定贩卖50条个人信息可定罪，数据流利出去之后的任务认定问题也同样限定了数据供给，使得企业不得不谨慎对待数据的流利利用，以免触碰法律红线。目前，企业进行数据交易须要均匀支付15-20万元公民币来获取专业律所供应的《数据合规评估法律见地书》，这是相称大的本钱。
第二，个人数据开拓利用本钱较高。个人数据的合规利用须要获取个人授权。从当前实践看，一是个人授权本钱较高。群体个人数据授权难度较大，如商业保险公司可依赖群体个人康健数据，开拓新险种，创新产品和做事。然而，在实践中，此类数据拿到完全授权难度较大。二是个人数据匿名化无清晰标准。AI大模型演习中须要大量个人数据，由于此类数据脱敏无清晰标准，目前多采取隐去电话、姓名、身份证号等关键信息等模式，是否合规仍处于模糊地带。三是个人共享数据动力不敷。个人尚未在其个人数据共享中获取收益，导致个人数据流转和开拓利用的内生动力不敷。
第三，科研类数据共享程度不敷。例如国家蛋白质科学研究举动步伐、上海超级打算中央等大科学装置产生的数据以及像中国海洋大学、中国农业大学等科研院所采集的海洋、农业等专业领域数据等，每每都是在科研过程中网络存储，但事后科研数据共享从业职员或者数据贡献人极少选择主动共享数据，进而产生“科研数据盘据”征象，不利于科研类数据资源的代价开释。
第四，公共数据开拓勉励不敷。目前政府和奇迹单位未明确向公共数据授权运营单位收取用度的收费项目和收费标准。2020年中心网信办在上海、江苏、浙江、福建、山东、广东、贵州、海南等八个省（市）开展了公共数据资源开拓利用试点培植，虽各省进行了积极探索，呈现出不同的授权运营模式，但政府作为公共数据资源持有方均未向授权运营单位收取干系用度，紧张问题是收费项目和收费标准不明确，收费项目哪一级设立，收费标准哪一级审批，收费标准如何确定都须要进一步研究，以免造成高下政策“偏差”，造成不敢收、不会收，不收又会造成国有资产流失落风险的担忧。
从需求侧看，紧张问题在于企业数据利用能力的不敷导致有效需求动能不敷。详细而言，直接表示在数据剖析与运用环节：
第一，部分企业数字化转型进程缓慢，企业对付数据代价的认识与挖掘不足深入，未能充分利用数据驱动业务决策和创新。《2022年埃森哲中国企业数字化转型指数报告》干系数据显示，2022年数字化转型成效显著的中国企业比例不到两成。广大中小企业面临“三不”问题，即数字化转型不能转、不愿意转、不敢转阻挡了其转型。
第二，只管企业拥有大量数据，但缺少相应的数据剖析技能和实力，使得这些数据无法转化为实际的业务代价。例如，全国信息技能标准化技能委员会2020年9月发布的《数据治理发展情形调研剖析报告》显示，大中型企奇迹单位普遍重视数据代价，并通过数据管理活动挖掘数据代价，但不同程度普遍存在组织机制、计策方案、体系标准不健全、技能工具不完备、管理能力不高档问题；中小企业数据管理水平则更低。总体而言，仅少部分数据得到开拓利用或没有开拓利用的企业大于80%。
第三，很多公共数字化运用处景尚未对市场充分开放，也进一步限定了数据需求方动能的增长。《2022中国地方政府数据开放报告》显示，目前全国地级、副省级和省级开放平台仍旧只占全国覆盖率一半，且在已经上线的平台中，开放的数据在数量上还相比拟较少，容量比较低。另一方面，政府数据外的国有企奇迹单位数据也属于公共数据范畴，但同样存在开放不敷的问题，如公共交通、气候等高代价场景数据。
综合来看，我们在供需匹配上有三个比较严重的问题：
第一，“有数无市”和“有市无数”问题。“有数无市”是指产生大量的数据但没有市场。以医疗康健数据为例，医院和医疗机构每天都会产生大量的医疗数据，这些数据对付疾病研究、药物开拓、康健管理等领域具有极高的代价。然而，由于医疗数据的敏感性和隐私保护的哀求，这些数据每每被严格限定利用，缺少一个成熟的市场环境来进行交易和流利。此外，医疗数据的标准化程度低，不同医疗机构的数据格式和质量参差不齐，导致数据难以整合和共享。这使得数据供应商虽然拥有大量数据，但却难以找到得当的买家和交易市场，形成了“有数无市”的局势。
“有市无数”是指数据供应商多以供应“粗加工”的原始数据为主，短缺个性化定制模式，数据规模小，整体较为分散、零星，无法有效覆盖需求。数据交易机构仍多勾留在大略撮合交易模式，缺少深度代价挖掘。在工业领域这种局限尤为明显，例如一家制造企业可能须要根据自身生产线的特点来优化生产流程，但数据供应商供应的数据做事无法知足这种个性化的需求，导致企业无法充分利用数据来提升生产效率。
第二，数据要素价格创造机制不完善。一是公共数据授权运营单位向社会做事的公共数据定价机制不健全。《中共中心、国务院关于构建数据根本制度更好发挥数据要素浸染的见地》指出，推动用于数字化发展的公共数据按政府辅导定价有偿利用，但目前全国仍未形成相对成熟公共数据定价模式。目前授权运营单位的公共数据定价紧张分两类：一是制订公开的公共数据定价目录，纳入政府辅导定价范畴；二是采纳一对一议价办法收取干系用度。
二是企业数据价格形成机制不健全。目前企业数据以“点对点”场外交易为主，买卖双方遵照“卖方自主定价报价，买卖双方协切磋定”模式实现交易。由于缺少有效的价格形成机制，企业数据的定价每每随意性较大，难以反响其真实代价。
第三，高度的信息不对称。在搜索阶段，虽然当前的数据交易市场能够作为展示数据的窗口，但是买家仍须要付出较大的搜索本钱，依赖于卖家掩护的元数据来探求对自己有用的数据集，卖家须要非常专业阐明自己数据构造与内容。其次，数据质量与代价信息不对称，即卖家有更多关于数据质量信息，买家有更多关于数据代价信息。在交易阶段，买卖双方在价格会谈上会花费大量韶光和精力，且对付数据是否合规等问题须要花费大量韶光和本钱确认。此外，数据交易中的安全风险也存在巨大信息不对称。
3、政策层
在政策层面，相应制度与法规仍旧不完善。现实案例紧张包括个人信息权、商业数据利用与不正当竞争、数据安全以及造孽调用API接口等，表示了制度与法律法规层面的四个主要问题。
第一，数据确权等权属分置问题。理论与实践中划分数据权属困难重重。一是数据分级分类问题尚未办理，例如个人数据、企业数据和政务公共数据，原生数据和衍生数据等。二是数据所有权难以归于单方主体。一方面，如果将数据所有权归于数据网络人（如企业），则难以产生整体上的产权意义，另一方面，若将数据所有权归于被网络人（如用户），则不利于个人权利的行使和数据家当的发展。三是法律确权探索奏效甚微。目前，国内外立法层面关于数据的规定越来越多，但都未对数据产权问题给出明确答案。从海内看，《民法典》总则编仅规定了对数据财产的法律保护，一些地方立法对数据权属的界定进行了探索考试测验，但效果不佳。
第二，数据安全合规本钱问题。数据交易过程中面临的合规安全等风险本钱，导致买卖双方的参与意愿不高，数据市场流动性不足。目前，数据交易既要符合《数据安全法》下的数据合规哀求，还要遵守《网络安全法》《个人信息保护法》等关于网络安全、个人信息保护等方面的哀求。上海数据交易所还明确提出“不合规不挂牌，无场景不交易”的原则。
第三，数据要素流利市场培植的干系制度不健全。一是数据交易平台缺少标准，海内数据交易平台几类模式并存，各自建立规则，存在隐蔽的盲点和误区，数据标准化程度低，同时数据交易登记结算体系尚不完备，各个数据交易平台的资源难以有效整合。二是没有明确数据交易监管机构，数据交易市场准入、数据安全、数据滥用、数据交易轇轕等问题都缺少监管。三是没有针对数据交易和运用的专门性法律法规。
第四，数据垄断如何判断。关于数据垄断的问题，是否存在数据垄断，如何判断？反垄断法如何适用？如何平衡数据生产与数据分享中动态与静态效率？从数据的静态效率来看，运用越广泛越好，但这可能会削弱数据投资勉励，进而带来动态无效率。以是，数据垄断是一个很主要但没有办理的问题。
三、数据要素市场培植的建议
在提出对策前，我们对数据问题的成因进行了剖析，紧张包括以下两个方面：
第一，市场失落灵。一是信息不对称，供需双方缺少对数据需求准确的描述以及数据质量的信息不对称等。二是负外部性，数据流利过程中可能会带来隐私透露、商业机密透露等数据安全问题。三是垄断问题，企业出于商业秘密保护和核心竞争力的考虑严格保护数据。四是折衷失落灵，家当链上的各企业在数字化时可能存在折衷失落灵问题，且折衷失落灵也可能发生在单个集团公司内部的不同部门之间。
第二，政策失落灵。一是数据交易所重复培植，各省市纷纭设立大数据交易所，但多勾留在“一把手”工程，数据交易所存在重复培植和经营不佳的问题。二是面临发展与安全的二元政策抵牾，中心和地方存在多个卖力大数据流利交易的管理部门，关注重点的不同随意马虎产生在发展和安全之间的政策抵牾，政策和规则分歧一，易造成数据跨行业、跨地区流利运用的阻碍。三是政策不明确和不稳定，企业无法形成稳定预期，会采纳“法无授权不可为”的策略来规避政策风险，从而导致缺少发展活力。四是公共数据缺少数据共享勉励机制，政府部门在公共数据授权运营过程中，将部分用于公共利益的公共数据转为授权运营，减少了公众年夜众免费获取公共数据的数量，增大了社会运行的整体本钱。
针对以上两点紧张缘故原由，应对问题的基本思路如下：
（一）理解数据作为生产要素的代价
数据生产要素的代价在于产生提质降本增效和促进创新的经济效益，核心在于开拓和利用数据。以是，数据根本制度设计要有利于数据的充分开拓利用，而不是要最大化数据交易量和交易额。而且，要谨严对待数据作为一种资产的入表、用于抵押和融资。
（二）探求数据要素的高效流利模式，兼顾交易和交互两大主线
首先，考试测验多层次的交易模式。造就专业的数据要素市场参与主体，例如引入第三方专业机构，试点数据相信模式。借鉴海内实践的成功履历，如北京大数据交易所的“数据可用不可见、用场可控可计量”的交易模式，以及上海大数据交易所的数商新业态与数据产品登记凭据。积极供应质量评估、合规性评估、资产评估和轇轕仲裁等配套做事，推动数据溯源和可信交易。
其次，重视数据交互在数据要素流利中的主要浸染。数据交互指通过与各方共享数据来支撑业务打通和创造新代价，各方共享业务发展带来的红利。数据并非必须经由确权、定价和交易后才能流利和利用，数据交互模式下没有确权、估值、“入表”和交易规则等做事需求，数据是否登记也不成为其可流利的必要条件。同时，须要办理匿名化标准、隐私保护任务边界、数据跨境流动、数据安全技能开拓、大企业数据垄断等问题。数据交互的主流模式是API（运用程序编程接口）模式，包括消费者平台数据共享模式和家当互联网企业数据共享模式。
（三）如何有效保护数据投资勉励
数据是否利用和共享范围越广越好？这类似于技能和知识，数据并非共享范围越广越好。虽然数据的非竞争性意味着从事后角度来看数据分享越多越好，但这也可能会降落针对数据的投资勉励。但也须要核阅用于判断数据共享是否不敷的标准，以合理的共享程度为目标有助于提升社会福利。
（四）数据流利利用的关键
数据流利利用的关键是数据还是技能？数据的代价取决于做事能力，现阶段运用数据的能力更为主要。在面临拥有海量数据的阿里、京东和腾讯微视的竞争下，拼多多和字节成功崛起。ChatGPT大模型在美国崛起，也是技能和经济环境等多种成分的共同浸染，而不仅仅是由数据量的差异导致。比起纯挚的数据量，技能和有利于创新的体系、制度和经济环境更加主要。
在以上剖析的根本上，提出如下建议：
第一，明确有效市场是数据要素市场发展的根本，政府的浸染则是在市场失落灵时进行补充和勾引，政策制订须要且应该遵照市场规律和原则。一是构建合理的市场参与者勉励机制，提高数据产品的质量和吸引力，在需求端提升各行业的数字化水平，推动数据要素的需求与运用处景等。二是优化数据流利交易模式，降落市场摩擦，尤其是重视数据交互的流利办法，折衷推动数据交易和数据交互两种数据要素流利渠道。三是勾引社会成本投入，严防形成行政垄断，数据交易平台可以对市场放开，一些公共数字化的运用处景可以适当对市场放开。除此之外，政府可以加强技能研发与人才培养，建立健全数据安全保障与合规交易机制。
第二，以发展数据交易平台为抓手，进一步完善数据要素市场生态培植。数据交易平台应该树立好综合做事商的定位，不断提高做事水平和培植能力，做好规则制订、生态造就、技能创新、机制设计、安全保障等赞助做事，发挥自身中介代价。以构建互信协同的生态系统为条件，以机制和技能为驱动，以业务创新、合规创新、模式创新为核心，通过培植互信机制，连接数据家当链各个环节，让数据代价在链上流动起来，形成数据产出、交易闭环。
第三，探索更加完善的数据要素定价与收益分配体系。应综合各种定价方法，采取分类的差异化定价，只管即便拓宽数据交易的利用场景，并据此作为定价根本。例如面对标准化程度高、投入产出都能清晰衡量、代价比较稳定的数据产品，采取本钱法，依据形成过程中的劳动和成本投入定价；面对高稀缺性、高代价、受市场供求较大的数据产品，采取拍卖法，实时定价；面对定制化的数据产品或做事，采取协议定价方法。
针对数据的来源与用场，我们提出2×2矩阵的定价思路，将数据来源划分成公共数据和企业数据，将用场划分成商业用场和公益用场。对付企业数据进行商业用场而言，定价应该完备由市场决定，这样能够确保最大程度的发挥数据代价。对付企业数据和公开数据的公益化用场而言，不宜产生过高的定价，可以采取制定价钱上限指引的办法提高公益用场数据的利用，提升总体社会福利水平。对付公共数据的商业用场而言，则须要兼顾效率和公正两个方面的平衡，可以进行最低限价的价格指引。与此同时，数据交易平台也要不断探索数据交易定价的规则方法，鼓励发展受市场认可的第三方威信数据资产评估机构，发挥数据市场价格创造的浸染，使数据交易定价不断透明化、正规化。
论坛第二单元，结合CMF中国宏不雅观经济专题报告，各位专家环绕数据要素市场培植的现状、问题和建议展开谈论。
国家发改委价格监测中央副主任王建冬从产权体系、流利体系、分配体系三个角度全面剖析了我国数据要素市场培植的现状和问题。“数据二十条”提出，构建数据利用权的权利束体，分成数据资源持有权，数据加工利用权和数据产品经营权，从数据资源到数据产品是一个数据开拓利用的链条转移，这意味着纯挚的数据变成了数据、算法、算力的结合体。按照这一逻辑可根据来源方和处理方将数据产权分为两段：流利和利用阶段包括持有权、利用权和经营权，这一阶段要保护数据处理者的合法权柄；生产阶段要保护数据来源者的合法权柄，并通过知情赞许和法定事由确定数据持有权的归属。
短期来看，数据根本性制度将催生3000-5000亿元规模的数据交易市场。中长期看，数据资产化催生的干系市场潜在规模将达到十万亿级，但目前的现状是竞争“白热化”和资源“碎片化”并存。接下来，应构建数据要素的多级市场体系，建立三级市场联动的新型价格机制；建立公共数据政府辅导定价的基本框架；实现报价-估价-议价社会数据价格形成路径。在分配机制方面，未来须要探索建立表示效率、促进公正的数据要素收益分配制度，健全数据要素由市场评价贡献，按贡献界定报酬机制，更好发挥政府在数据要素收益分配中的勾引调节浸染，并勾引企业承担社会任务。
上海金融与发展实验室前沿金融研究中央主任，万向区块链首席经济学家邹传伟谈论了消费者如何参与数据要素市场。消费者个人数据具有分外性，在数字经济中由消费者主动或被动表露，并由互联网平台记录，据联合国贸发会议2021年《数字经济报告》，我们更强调数据权利，而不是数据所有权，数据权利表示为访问、掌握和利用数据的权利。其次，由于隐私悖论以及专业门槛和规模经济的影响，消费者个人不适宜直接进入数据要素市场。
基于数据要素的共性和消费者个人数据的分外性，金融是理解数据要素市场最佳的视角。第一，金融系统和数据要素市场都不涉及实物商品的生产和流转，且数据要素市场的很多活动都能在金融市场中得到对应。第二，数据要素市场发展离不开金融系统的支持，金融是个人数据货币化的紧张渠道，数据入表也须要通过金融系统变现。第三，金融是最早开展数据管理的行业。第四，金融为数据要素市场供应了“试验田”，韩国的My Data模式和印度的India Stack对付推进中国要素市场构建具有参考代价。
中国移动研究院用户与市场所所长林琳提出，数据要素的流利市场既包含数据资源的流利，也包含数据产品和做事的流利。可用、可信、标准的高质量数据资源才具备可流利的根本，而数据产品和做事因此数据利用方的需求为导向，整合多元数据以及技能方案形成可流利的数据产品和做事。数据要素流利不一定要完成商品从生产侧到消费侧的转移，利用代价的实现过程也是数据要素的流利。电信业务市场的资费发展进程是从政府定价逐步走向市场定价，对付数据要素定价具有借鉴意义。数据资源市场的定价适宜采取政府辅导价，履行价格上限的管理。而数据产品和做事建议采取市场调节价，由市场决定价格。
以数据为根本，家当数字化将会走向智能化的阶段，通过数据驱动实现精准高效的决策。数据要素为制造业带来了四个范式的跃迁：第一，生产制造范式的跃迁，从人工驱动到智能决策；第二，管理运营范式的跃迁，从分散管理到统筹管控；第三，家当协同范式的跃迁，从信息互联到运营协同；第四，业态创新范式的跃迁，从局域利用的管域物用。在营销领域，数字化营销是范例的数据加技能双驱动模式，通过剖析多元领悟，多元数据，依托多种智能技能，打通营销的各个环节，实现更精准、更敏捷、更快捷的数据迭代，很好地发挥了数据资源市场和数据产品做事市场的浸染代价。
复旦大学管理学院教授黄丽华认为，数据要素流利的实践模式有三种：第一，企业间直接交易，紧张分为早期互动、供需匹配沟通、价格和发卖条约会谈、合约达成、如约五个阶段；第二，平台交易（线上线下结合模式），随意马虎涌现有偏市场、去平台化征象以及不具备可持续发展能力等问题；第三，同盟+共享模式，紧张包括面向某个需求运用处景、面向某个供应链折衷运营运用处景，面向某个家当的数据共享或交易三种形态。
目前，我国数据流利和交易领域存在数据流利和交易不生动、数据流利和交易合规本钱高、数据流利和交易安全风险戒备与监管体系不健全、可信流利技能与根本举动步伐不成熟等问题。未来须要系统性地办理问题：第一，加强高质量数据供给，激活数据流利的源头；第二，激活有效利用需求，开释数据要素乘数效应；第三，建立健全流程规则，促进合规高效数据流利；第四，积极造就流利生态，降落数据要素交易本钱；第五，大力促进技能创新，夯实数据流利根本举动步伐培植。
